水母

大规模矩阵完备化的并行随机梯度算法。本文提出了一种求解矩阵值决策变量正则化为低秩的数据处理问题的算法。水母可以解决的问题的具体例子包括矩阵完备性问题和由核范数或$gamma$-范数正则化的最小二乘问题。水母实现了一个有偏差的,随机的增量排序的投影增量梯度法。这种有偏差的排序允许并行实现,这种并行实现允许与处理器数量几乎成比例的加速。在大规模的矩阵完成任务中,水母比现有的代码效率高出一个数量级。例如,在Netflix Prize数据集上,现有技术在大约4小时内计算评级预测,而水母在12核工作站上不到3分钟就解决了同样的问题。


zbMATH中的参考文献(参考文献29条)

显示第1到第20个结果,共29个。
按年份排序(引用)
  1. 鲍奇,乔纳森;纳德勒,波阿斯;Zillber,Pini:秩(2r)迭代最小二乘法:从少量条目中有效恢复病态低秩矩阵(2021)
  2. Gürbüzbalaban,M。;奥兹达格拉,A。;帕里洛:为什么随机重组胜过随机梯度下降(2021)
  3. 孙若愚;叶银玉:循环坐标下降的最坏情况复杂性:(O(n^2))与随机版本的差距(2021)
  4. 博菲,尼古拉斯M。;Slotine,Jean-Jacques E.:分布随机梯度的连续时间分析(2020)
  5. 戈迪肯·巴吉奥尼,安托万;Saadane,Sofiane:关于并行化平均随机梯度算法的收敛速度(2020)
  6. 马世谦;王飞;卫,临川;主成分分析法(Wolkowz,Wolkowz,使用面部成分分析法)
  7. 孙若愚;罗志全;叶银玉:ADMM随机排列的有效性与坐标下降(2020)
  8. 于明;古普塔,瓦伦;Kolar,Mladen:同步低秩和双向稀疏系数矩阵的恢复,非凸方法(2020)
  9. Gürbüzbalaban,M。;奥兹达格拉,A。;Parrilo,P.A.:增量梯度法和增量牛顿法的收敛速度(2019年)
  10. 库马尔,拉吉夫;威廉森,布拉姆;赫尔曼,费利克斯J。;Malcolm,Alison:波形反演的数值精确局部求解器——低阶方法(2019)
  11. 米什拉,班德夫;Kasai,Hiroyuki;贾万普里亚,普拉蒂克;Saroop,Atul:Grassmann流形上子空间学习的黎曼八卦方法(2019)
  12. 杨朔光;王蒙地;Fang,Ethan X.:嵌套组合优化的多级随机梯度方法(2019)
  13. 科特,文森特;Alquier,Pierre:1位矩阵完成:变分近似的PAC贝叶斯分析(2018)
  14. 尹鹏航;辛,杰克;齐英勇:基于深度神经网络的线性特征变换与分类增强(2018)
  15. 阿什拉菲约,摩提萨;王晓东;Aggarwal,Vaneet:低秩数据完成的等级确定(2017)
  16. 博伊德,尼古拉斯;希宾格,杰弗里;Recht,Benjamin:稀疏反问题的交替下降条件梯度法(2017)
  17. Bhaskar,Sonia A.:量化测量的概率低秩矩阵完成(2016)
  18. 塔彭登,瑞秋;里查里克,彼得;冈齐奥,雅塞克:《不精确坐标下降:复杂性和预处理》(2016)
  19. 博马尔,尼古拉斯;Absil,P.-A.:Grassmann流形上通过预条件优化实现的低秩矩阵完备化(2015)
  20. 哈奇乌伊,扎伊德;朱迪斯基,安纳托利;Nemirovski,Arkadi:范数正则化光滑凸优化的条件梯度算法(2015)